从不重叠的点和多边形中获取属性

Question

我有两个地理数据集——一个是点（来自不同多边形的质心，我们将其命名为 point_data），另一个是整个国家的多边形（我们将其命名为 多边形数据）。我现在要做的是从多边形数据中获取属性并将它们放入点数据中。但问题是它们没有相互重叠。

为了更好地理解上下文，这个国家本质上是群岛，而这些点在国家之外（这就是它们不重叠的原因）。

我尝试过的一些解决方案是：

1.) 缓冲多边形数据，使其接触点数据。不幸的是，这引起了问题，因为不在海岸线中的形状也被缓冲了。

2.) 使用 point_data 的原始多边形并做了一个spatial join（相交），但问题是仍有一些点以null 值返回，并且还出现了重复行。

我想让这个过程尽可能无缝和简单。有什么想法吗？

我精通 geopandas 和 qgis，但我希望尽可能在 geopandas 中使用它。

感谢任何能够提供帮助的人。 :)

Answer 1

我猜你可以尝试根据点和多边形之间的距离来加入你的数据。通过这样做，您可以为每个点获取最近的多边形特征的索引，然后使用该索引进行连接。

为了复制您的问题，我生成了一层点和一层多边形（它们有一个属性name，我想将它放在点层上）。

这样做的一种（天真的）方法可能如下：

# read the polygon layer and the point layer
poly_data = gpd.read_file('poly_data.geojson')
pt_data = gpd.read_file('pt_data.geojson')

# Create the field to store the index
# of the nearest polygon feature
pt_data['join_field'] = 0

for idx, geom in pt_data['geometry'].iteritems():
    # Compute the distance between this point and each polygon
    distances = [
        (idx_to_join, geom.distance(geom_poly))
        for idx_to_join, geom_poly in poly_data['geometry'].iteritems()]
    # Sort the distances...
    distances.sort(key=lambda d: d[1])
    # ... and store the index of the nearest polygon feature
    pt_data.loc[(idx, 'join_field')] = distances[0][0]


# make the join between pt_data and poly_data (except its geometry column)
# based on the value of 'join_field'
result = pt_data.join(
        poly_data[poly_data.columns.difference(['geometry'])],
        on='join_field')

# remove the `join_field` if needed
result.drop('join_field', axis=1, inplace=True)

结果：（name 列中的值来自多边形）

    id                  geometry name
0    1  POINT (-0.07109 0.40284)    A
1    2   POINT (0.04739 0.49763)    A
2    3   POINT (0.05450 0.29858)    A
3    4   POINT (0.06635 0.11848)    A
4    5   POINT (0.63744 0.73934)    B
5    6   POINT (0.61611 0.53555)    B
6    7   POINT (0.76540 0.44787)    B
7    8   POINT (0.84597 0.36256)    B
8    9  POINT (0.67062 -0.36493)    C
9   10  POINT (0.54028 -0.37204)    C
10  11  POINT (0.69194 -0.60900)    C
11  12  POINT (0.62085 -0.65166)    C
12  13  POINT (0.31043 -0.48578)    C
13  14  POINT (0.36967 -0.81280)    C

根据数据集的大小，您可能需要考虑更有效的方法（例如，定义每个点周围的最大搜索半径以避免遍历所有多边形）。